使用Lambda函数计算DataFrame中日期与今日的年分数及NaT处理

错误原因分析 #

1. KeyError: 'YEAR_FRAC'：你在Lambda函数中尝试引用了尚未创建的YEAR_FRAC列，此时该列还不存在于DataFrame中，导致键查找失败。
2. AttributeError: 'Series' object has no attribute 'DATE_Col'：你对df['DATE_Col']（Series对象）调用apply，Lambda参数x是单个日期元素而非整行数据，自然没有DATE_Col属性。

正确实现方案 #

方法1：逐行处理（兼容复杂逻辑） #

通过df.apply(axis=1)按行处理，同时判断并跳过NaT值：

import pandas as pd
from datetime import datetime

# 假设你的DataFrame名为df
current_date = datetime.now()
df['YEAR_FRAC'] = df.apply(
    lambda row: (current_date - row['DATE_Col']).days / 365.25 
    if pd.notna(row['DATE_Col']) 
    else None,
    axis=1
)

• 用pd.notna()判断DATE_Col是否为有效日期，NaT值会被设为None（最终转为NaN）
• 除以365.25是为了兼顾闰年的平均年天数

方法2：向量化操作（推荐，性能更优） #

利用Pandas的日期向量运算，自动处理NaT值：

import pandas as pd
from datetime import datetime

current_date = datetime.now()
# 直接计算日期差，提取天数后除以年天数
df['YEAR_FRAC'] = (current_date - df['DATE_Col']).dt.days / 365.25

• NaT值参与运算后结果会自动转为NaN，无需额外判断
• 向量化操作比逐行apply快数倍，适合大数据集

NaT值后续处理 #

如果需要将NaN替换为特定值（比如0），可以用fillna()：

df['YEAR_FRAC'] = df['YEAR_FRAC'].fillna(0)

内容的提问来源于stack exchange，提问作者TourEiffel